农业生产风险评估及管理研究进展

沈满洪 强朦朦

(1.浙江大学 经济学院, 浙江 杭州 310027; 2.宁波大学 商学院, 浙江 宁波 315211)

农业是国民经济的基础,保持农业持续健康发展是稳增长、控通胀、防风险的重要保障。但分散化的经营模式和频发的自然灾害，使得我国的农业生产呈现出很强的波动性。识别、评估和管理农业生产风险对保障农业生产安全和促进农业转型升级有着非常重大的理论与实践意义。对农业生产风险的相关理论进行述评,有助于推动该领域研究的进一步深化和完善。

一、 农业生产风险的内涵

农业生产风险的内涵源于风险的一般概念。关于风险的定义，学术界众说纷纭，比较有影响力的看法可以划分为四类：

一是认为风险是结果的不确定性。美国经济学家马科维茨在其著名的“均值—方差”模型中将风险定义为收益率的变动程度，并用方差来衡量[1]。很多学者沿用这一看法，并做了相应修正。由于风险往往是与损失密切相关的，为剔除收益的部分，不少学者提出了用半方差或下偏矩的方法度量[2]。这种定义虽然容易量化，但它将风险看作已知的结果，与常识不符。

二是认为风险是预期损失的大小。Harrington、Niehaus在其著作《风险管理与保险》中将风险定义为结果的期望值，并认为在保险业中，风险是指保险公司的期望损失较高[3]。Campbell认为风险是可量化和可加的，从而将其定义为期望损失的大小[4]。该观点的缺陷在于预期并不一定是客观的，风险的量化具有主观性。尽管存在批评，但这种定义仍然有着非常广泛的应用。

三是认为风险是损失的概率。风险的概率定义最早见于美国芝加哥学派经济学家奈特的研究中。奈特认为，如果事件的概率已知则属于风险，未知则属于不确定性[5]。风险的概率定义影响很大，联合国大学(波恩)环境与人类安全研究所推荐的18个风险定义中，有14个采用了概率类风险定义[6]13。但这种定义的外延过于狭窄，仅将风险限定在概率上。黄崇福认为风险可以分为伪风险、概率风险、模糊风险与不确定风险[7]。很多事件的风险无法用概率来衡量，比如全球变暖。

四是认为风险是与未来不利事件相关的情景。Aven和Renn认为风险是指与人类所重视的事件后果相关的不确定性和严重性[8]。黄崇福等给出了相似的定义，认为风险是与某种不利事件有关的一种未来情景[6]14。这种观点与第三种观点的显著区别在于它不再仅仅以概率来衡量风险，从而将风险的外延扩大。同时，它也包含了第二种观点。这种观点对风险的概括很全面，但缺点也很明显，即无法量化和比较风险。

由此可知，风险的内涵十分复杂。在量化风险时，如果一个事件不容易或者无法用概率表示，那么往往可以采用期望损失的定义。反之，可以用概率度量的事件更倾向于第三种定义，因为它更为客观。对于农业生产风险，张峭和王克将其定义为农作物或畜产品实际产量相较于预期产量可能发生偏离的程度[9-10]。邢鹂和钟甫宁将其理解为农作物生产中随机不确定的结构性风险因子造成的农作物区域产量低于预期正常产量的随机不确定性[11]。结合这些看法，本文将农业生产风险定义为：由风险因子导致的农产品实际单产低于预期的可能性。农业生产风险的内涵需要从两个方面理解：一是从成因上看，风险因子不能简单理解为气象灾害，还包括生产过程中要素配置的合理性，田间管理精细程度，污染、病虫害等一系列可能的减产因素。二是农业生产风险的量化包含单产损失的大小及其发生的可能性两个维度。从具体的评估案例看，大多数学者用概率量化损失的可能性，也就是采用上文第三种风险的定义，然而，污染、病虫害导致损失的可能性很难用概率量化，只能给出半定量的评估，聚焦预期损失的高低。

二、 农业生产风险的评估方法

农业生产风险测度方法包括半定量和定量两种。半定量的方法将风险视为期望损失的大小，用风险因子危害性、暴露度、脆弱性及适应能力等指标的耦合值度量[12]。这四个指标中，风险因子的危害性、受灾体的脆弱性及适应能力决定了损失的大小，而受灾体的暴露度则反映了损失发生的可能性。半定量的评估多是通过指标打分，处理方式比较灵活，结果的主观性较强。本文主要阐述农业生产风险的定量评估方法。一般来说，这类评估遵循三个步骤：单产趋势、分布建模和风险表达。

(一) 单产趋势

对于旱灾等特定风险因子造成的农业生产风险，已有文献一般采用受灾面积比例作为度量损失的指标，因此不存在单产趋势求解。但对于综合生产风险，需要先求出农作物单产的期望值。涉及的方法主要包括四类：回归方程法、移动平均法、线性移动平均法和H-P滤波法。回归方程法假定农作物的生产趋势与时间相关，通过最小二乘法估计趋势，但实际上生产趋势与时间并不一定呈线性关系，这导致该方法主观性过强[13]。移动平均法是通过移动平均将多期生产平均值视为期望值[14]，这种方法易于操作，但主观性也较强且会损失一定的数据量。线性移动平均法是回归方程法和移动平均法两种方法的结合，它既不用假定曲线类型，也不会损失数据[15]。H-P滤波法通过最小化趋势偏离的损失函数而分解出趋势项和波动项[16]110。这些方法本质上是偏向于统计学的，缺少微观生产的理论基础，不同的方法往往呈现出不同的结果，一致性较差。但具有理论基础的农作物生产模型机制复杂，实用性较弱。线性移动平均法和H-P滤波法的应用仍然最为广泛。

(二) 分布建模

在求解出生产波动值和趋势值后，通常需要构造相对随机波动序列(波动值/趋势值)消除量纲影响，从而使不同地区风险水平具有可比性[17]。风险评估的核心在于对剔除趋势后的单产波动进行概率求解。总体来看，可以分为参数分布拟合法、核密度函数估计法和非参数信息扩散法三种建模方法。

1.参数分布拟合法

参数分布拟合法事先假定生产损失率服从的分布，之后通过最大似然估计求解参数。早期国内学者通过假定农作物单产波动服从正态分布或者通过正态化来处理[18]，但经验表明，单产波动的偏度和峰度并不符合正态分布的假设。学者们发现，Beta、Gamma、Lognormal、Weibull、Logistic等分布偏度和峰度比较灵活，更适合拟合农业单产的波动[19]406。在刻画尾部风险时，广义帕累托分布(GPD)也经常被选择[20]。为刻画一些复杂的产量分布，双峰型的联合分布有时也会被应用[21]。

为挑选最优的分布函数，已有文献主要有两类思路：一是将生产波动的偏度和峰度值与矩比率图进行比较[19]410。该图以峰度和偏度为坐标轴，描绘了Beta、Normal、Lognormal、Weibull、Logistic五种常用分布的大致区间。这种方法简单直观，但缺陷在于不够准确且只能判别上述五种特定分布。二是通过卡方(chi-square)、Anderson-Darling(AD)和Kolmogorov-Smirnov(KS)等方法进行拟合优度检验，这也是主流的判别方法。卡方检验不适合小样本数据。AD检验是KS检验的修正，可以做更敏感的测试。

参数分布拟合法的难点在于概率密度分布函数的选择。研究者往往要根据样本的偏度和峰度主观判断单产波动的分布。分布的选择偏误会造成风险的评估有偏[22]。相反，如果分布假设正确，评估结果也较为准确。

2.核密度函数估计法

核密度函数估计法是最常见的非参数分布拟合方法。一个标准的核密度函数形式为：

(1)

其中，xi为样本值；n为样本数；k(·)是某种特定的核函数，常见的有均匀核、三角核、伽马核以及高斯核；h为带宽。在实证分析时，核函数一般选择高斯核函数，它具有良好的平滑性。最优带宽可以通过求解最小平均积分平方误差函数获得，公式为：

(2)

在高斯核的情况下，最优的带宽为：

(3)

其中，σ为样本的标准差。这一公式也被称为经验法则。Silverman从实际应用的角度重新评估了这一法则，提出了修正后的经验法则[23]：

(4)

标准的核密度函数估计法在农作物生产风险评估中有着非常广泛的应用。但标准的核密度函数估计法对尾部风险的评估可能是低效的，因为尾部的数据集更少，在全局上使用相同的带宽会产生偏误[24]。因此，可以在不同位置调整带宽的自适应带宽核密度函数也被提出来重新评估农作物风险。它的密度函数为：

(5)

其中,λi为局部带宽调整因子，h控制整体平滑程度，λi调整局部样本的带宽。λi的计算公式为[25]：

(6)

其中，f(xi)′为标准核密度估计的密度值，G是估计值的几何平均值，α∈[0，1]为灵敏度参数。当α=0时，自适应带宽的核密度函数就退化为标准的核密度估计。在实证分析中，一般将α设为0.5。

与参数法相比，非参数法的优势在于更为灵活，不用事先假设分布函数的形式，但在样本较小时(一般小于40)效果不如参数法，而且无法刻画极端事件，渐进性也无法与参数法相比[26]。另外，也有一些学者结合参数法和非参数的核密度函数法的优点，提出了半参数分布拟合的方法[27]。半参数方法的基本思想在于先利用参数法估计，再通过一个核密度函数因子来校正。这种估计有些类似于经验贝叶斯估计，通过核密度函数矫正因子来尽量避免参数法先验分布假设的错误。尽管半参数估计方法可能是更有效的，但这种有效性是因样本大小而异的，且有待更多的检验。需要强调的是，对于参数法和核密度函数的估计方法，常用的是最大似然估计。但为提高估计的效率和处理产量空间相关问题，诸如密度比估计[28]、自适应局部参数估计[29]、贝叶斯估计[30]等都已被引入农作物生产风险领域。

3.非参数信息扩散法

非参数信息扩散法也是一种重要的非参数方法，由国内学者黄崇福等提出。该方法综合了模糊数学和频率的思想，认为小样本的信息是不确定的，每一个样本值都反映了整体的信息，因此可以使用特定的信息扩散模型对其包含的信息进行扩散处理，从而将一个只有一个观测值的样本变成一个模糊集，或者说是从单值样本变为集值样本。最简单的正态扩散模型为：

(7)

其中，y为样本值；h为扩散系数，但它的取值，文献并没有给出统一的标准。黄崇福等给出的经验计算公式为[31]：

(8)

其中，b、a和m分别是样本的最大值、最小值和样本个数。有些学者认为这种经验法则不够科学，基于信息熵理论推导的公式更为科学[32]568。ui为论域，比如农作物生产损失率的论域为[0，1]。在测度生产风险时，ui常被设定为{0,0.02,0.04,…,1}。信息扩散模型就是将实际损失率y在整个论域中扩散，进而求得论域每个值出现的概率。比如说，如果扩散后的ui为0.02，出现的频数为m，整个样本个数为n，那么生产损失率为0.02的概率即为m/n。通过加总，可以求出损失率区间的概率。非参数信息扩散法论域的选择会影响测度结果的大小，而且最终结果以概率形式表示，无法得到具体的分布函数。表1为这三大类方法的比较。

表1 三种建模方法比较

(三) 风险表达

生产风险定量评估的目的是求出不同损失区间的概率。较为常见的评估是将生产损失区间划分为：减产(5%,15%],减产(15%,25%],减产(25%,35%]和减产>35%[16]112。参数分布拟合法和核密度函数估计法是利用概率理论对拟合的概率密度分布函数求解，而非参数信息扩散法是进行点概率的区间加总。

三、 农业生产风险的评估及其应用

(一) 农业生产风险的评估

1.特定因子造成的生产风险

农业生产的风险因子众多，除了最为常见的旱涝、冰雹、大雪等气象灾害外，还包括污染、病害、虫害、农户决策失误等。农户决策失误造成的生产风险较为微观，文献中涉及的较少。

在评估污染的农业生产风险时，已有文献聚焦于臭氧污染。Aunan等通过预测未来累积的臭氧浓度水平，结合作物生长的参数评估了臭氧污染对我国大豆、水稻、小麦和玉米可能造成的期望损失值，发现我国农业生产臭氧风险很高[33]。Tang等做了类似的研究，他们发现臭氧污染到2020年对我国水稻和冬小麦产量造成的期望损失率最高可达到28.8%和36.9%[34]。病虫害也是重要的农业生产风险。王振营和王晓鸣分析了我国十几种玉米病虫害的发生频率和危害性，指出我国玉米病虫害的风险在不断上升[35]。袁福香等结合频率和影响指数，评估了吉林省玉米、水稻和大豆主要病虫害的生产风险[36]。白基恒等基于相似的思路评估了重庆市水稻病虫害的风险[37]。

污染和病虫害生产风险的评估比较复杂，涉及化学、生物学、农学等多个学科。由于污染和病虫害对农业生产的影响机理比较复杂，样本量也不足，损失的大小与发生的可能性较难量化，评估结果以半定量为主，注重期望损失的估算。

农业生产气象灾害风险是学者们重点关注的领域。娄伟平等利用信息扩散模型分析了浙江省柑橘生产的低温冻害和热害风险[38]。张峭和王克基于灾情数据，利用核密度估计，发现全国农业因灾年均损失率在12.9%，干旱和洪涝是主因[39]。徐磊和张峭利用蒙特卡洛模拟技术，通过极值POT模型发现，旱灾巨灾对河南省粮食生产的影响总体有限,其损失的平均值在10%[40]。王芝兰等基于VaR指标，采用参数法评估，发现甘肃省遭遇10年、50年和100年一遇旱灾时，农业损失率分别为18.8%、25.7%和28.3%[41]。张星等基于非参数信息扩散模型发现福建干旱风险高值区出现在灾损率5%—45%,洪涝灾害出现在5%—70%,风雹灾害在5%—30%,低温冻害的风险主要集中在灾损率5%—20%[42]。李孟刚等基于信息熵理论改进了信息扩散模型，发现我国农业生产面临着较大的水旱风险[43]。

农业生产气象灾害风险评估的难点在于如何分离出灾害造成的产量损失。文献一般用灾害面积比例来替代产量的损失率，但不同的作物对不同的灾害有着不同的承受能力，灾害面积无法准确代表灾害产量。从结果上看，干旱、洪涝、低温冻害都是我国农业生产的重要灾害因子，但各地区的风险水平并不一致。

2.多重因子造成的综合生产风险

多重因子造成的综合生产风险考虑最终实际单产小于预期的可能，而不区分损失是何种风险因子造成的。这类评估相对比较成熟，结果上更多以概率的形式呈现。王克和张峭通过矩比率图和AD检验等方法确定了东三省稻谷、玉米和大豆三种农作物的单产分布，并对其风险进行了评估，发现东三省三种农作物发生轻灾的概率最大(20%—25%),中灾次之(8%—19%),减产幅度大都在5%—25%[44]。徐磊和张峭等基于AD检验对9种可能单产分布进行了选择，利用参数法评估了粮食主产区的生产风险，发现整体风险并不高，只集中于减产5%—15%，重大损失概率较小[16]112。黄森从产量负波动指数和损失概率两个角度分析了浙江、江西、湖南和重庆4个代表性省市柑橘生产的风险，发现江西和浙江的柑橘生产风险最大，湖南次之，重庆的风险最小[45]。Chen等利用非参数信息扩散模型评估了全国和30个省区市水稻的生产风险，发现全国的水稻生产风险水平比较低[32]574。韩语轩等基于正态分布，评估了辽宁省水稻产量的减产风险，发现其呈现出中部、东部低，而东北、西南增高的趋势[46]。

整体来看，已有的评估呈现出两个突出特点：一是在评估对象上集中于种植业，对养殖业关注较少；二是在研究区域上，对国内省级行政区的评估较多，对农户级别的评估极少。因为数据空间加总偏差问题的存在，农户层面的生产风险要比县级和省级的大很多[47]。现有评估在范围和维度上都有待拓展。

(二) 农业生产风险评估的应用

1.风险预警

风险预警是指在监控风险因子变化的基础上，基于权重指标，评价风险指数偏离预警线的强弱程度，并发出预警信号。风险预警系统的建立可以有效提高政府防灾减灾的能力。农业生产风险的预警主要针对气象灾害风险。利用地理信息分析和天气预报技术，可以预测农业降雨、低温等气象风险的高低。风险预警要求风险的评估是动态的，因此多是基于危害性、暴露度、脆弱性及适应能力这一半定量评估框架[48]。在实际应用时，由于农业生产的暴露度、脆弱性及适应能力在短时间内不会明显变化，风险预警多是分析台风、干旱、洪涝、冰雹等气象风险[49-50]。

2.风险区划

风险区划是将具有相同农作物、相似风险的生产区域聚类。我国农业保险是一个地区一个费率，政府风险区划工作的滞后会带来高赔付、逆向选择等市场失灵问题。Chen等基于变异系数、比较优势指数和损失率大于5%的概率三个指标对我国30个省区市水稻产量进行了风险区域划分，发现山西是风险最高的省份，天津等12个省级行政区属于中风险，而上海等17个省级行政区属于低风险区域[32]576。陈怀亮等的研究结果表明，河南省不同区域小麦生产风险水平及主要灾害因子明显不同，有些地区是因为缺水，有些则是因为霜冻，不同区域的抗灾措施需要因地制宜[51]。李世奎等基于灾害、灾损、减产概率等指标对北方冬小麦的干旱风险、东北地区作物低温冷害综合风险、华南香蕉和荔枝寒害风险进行区划，并就如何优化作物空间布局提出了建议[52]。

农业风险区划对于优化作物空间布局和制定区域保险费率有着重要的指导意义。但已有文献仍存在不少问题，比如不同学者在进行风险区划时往往会采用不同的指标体系，这使得相同作物风险分区的结果并不总是一致，而且县级乃至村级的风险区划还较少涉及。这些都限制了已有评估结果的实际应用。

3.金融产品定价

已有计算保费率的文献多是在省级层面进行的，虽然可以为保险公司提供参考，但距离实际应用还相差较远。这主要是由于数据限制，保费率的计算需要较长时间的农户产量数据，而这方面的数据记录不够完整。在实际工作中，保险公司往往是用县级数据进行分析，甚至仅仅以最近几年的平均损失率替代。

4.完善保险补贴政策

农业保险是政策性保险。为保证保险公司的长期经营，政府建立了大灾准备金和保费补贴制度。大灾准备金规模的测算要以农业生产的尾部风险为基础。梁来存以保险公司赔付率超过150%和200%为界限，利用经验费率法测算了我国粮食保险的国家级大灾准备金规模[56]。庹国柱等以赔付率不超过200%和300%为界限，利用参数分布拟合测算了中央级大灾风险基金的规模[57]。除了大灾准备金规模，农业生产风险还是保费补贴比例测算的基础。但保费补贴比例的设计牵涉到农户参保率等政策目标，要利用微观数据，文献中还较少涉及。

四、 农业生产风险管理策略及其有效性

在发展中国家，保险等正式风险管理工具往往处于缺失或不完善的状态[58-59]。因缺乏有效的外部风险分散机制，农户会进行“自保险”。农户风险管理策略主要包括收入多样化、生产多样化、种植低风险作物、减少风险性投入、平滑消费五种主要方式。

(一) 收入多样化

收入多样化虽然不能直接预防或减少农作物产量风险，但能降低生产风险带来的冲击。陈风波等发现我国南方4个种植水稻的村庄非农收入比例在27.6%—68.2%，要明显高于农业收入[60]。在非洲西部农村地区的8个国家中，非农收入平均占收入的39%[61]。在农村地区，收入多样化已经常态化。

然而，收入多样化却不一定是有效的。一方面，农户农业活动收入和非农收入可能相关。Fafchamps等发现干旱会同时影响非洲西部农户的作物收入和非农收入[62]。Townsend也发现印度南部村庄的农户虽然已有各种收入来源，但收入的波动仍然很大。在正常年份，农作物收入和非农收入关联较小，但在危机年份，两者却显著相关[63]。另一方面，收入多样化对贫困家庭存在限制。Reardon通过分析非洲的农户数据发现，非农收入的比例与总财富呈明显正相关，低收入农户和高收入农户获得非农收入的能力不平等[64]。Dercon和Krishnan分析埃塞俄比亚和坦桑尼亚农户收入多样化策略时发现，贫困农户只能从事收集木柴、制造木炭等非农工作，而从事饲养奶牛、开商场等高回报活动的主要是富裕家庭[65]。

(二) 生产多样化

生产多样化策略包括分散地块种植、采用多个品种、种植多种作物等。陈传波发现，湖北的农户为预防干旱风险，开展多样化种植的比例非常高，12大类种植作物中，种植6类及以上的农户有45%，不种植和单一种植的只占2.8%[66]。有学者发现，在印度的奥里萨邦，为避免干旱风险，70%以上的农户会种植2—5个水稻品种[67]。Pandey等采用随机实验分析了印度两个村的农作物种植多样化情况，发现灌溉条件差的村庄的农作物多样化指数要比灌溉条件好的村庄高很多，而且在干旱年份，两个村庄的多样化指数都会上升[68]。

基于Just-Pope生产函数，Smale等评估了空间多样化、时间多样化及品种多样化对巴基斯坦旁遮普省小麦产量平均值和方差的影响，发现这些策略有助于提高平均产量和减少产量方差[69]。之后的学者进一步讨论了多样化策略对农户收入的影响。Di Falco和Perrings建立了不确定情形下的农户作物选择模型，并基于意大利南部的数据进行了实证检验，发现作物品种的多样性与农户平均收入呈正相关，与收入方差呈负相关[70]。

这些经验表明，农户的多样化策略是有效的，它提高和稳定了农户的生产和收入。但也有学者认为，多样化牺牲了规模化和专业化的收益，在无风险的情况下，农户可能会有更高的生产和收入[71]。

(三) 种植低风险作物

在面临生产风险时，农户种植农作物的比例并不是最优的，低风险低收益的农作物会偏多。这一结论在不同的农户风险决策模型中都得到了证实。

Decron建立了一个资产积累的经济模型以说明不同收入水平农户的作物选择。基于坦桑尼亚干旱地区的农户数据，他发现为应对生产风险，最富有的家庭将不到2%的土地用于种植低风险低回报的甜土豆作物，但最贫穷的家庭会为此分配9%的土地。这导致最富裕群体的作物组合的平均回报率比最贫困群体高出25%[72]。Kurosaki和Fafchamps基于跨期分配模型，发现巴基斯坦旁遮普省的农户为降低产量和价格风险会提高饲料作物的种植，减少香米的种植，这导致了2%的收入减少和9.4%的福利损失[73]。

国内学者也有相似的发现。基于总收益绝对偏差最小化的农户决策模型,陆文聪和西爱琴模拟了浙江农户的种植决策，发现已有农作物的实际规模偏离非风险最优规模，低风险农作物偏多[74]。由此可知，种植低风险作物这种管理策略虽然稳定了生产，却有可能减少贫困家庭的收入和加剧贫富差距。

(四) 减少风险性投入

风险性投入意味着更先进的生产技术和更高的生产效率。但由于生产风险的存在，农户会减少风险性投入，以规避可能的生产损失。

Rosenzweig和Binswanger建立了均值—方差效用最大化模型来阐述风险对农户投资构成的影响，发现印度的农户为应对降雨量波动带来的生产风险会降低生产性投入的比例。降低一个标准偏差的天气波动将使最贫困农户的平均利润提高35%[75]。Rosenzweig和Wolpin发现，公牛虽然对印度农户的生产有着重要的促进作用，但为预防风险，公牛的投资是不足的[76]。Lamb构建了风险规避型农户的两期决策模型，发现印度半干旱热带地区的农户会因为天气风险而减少化肥的使用，但在有非农收入来源的情形下，化肥的需求将会增多[77]。而且，Zimmerman和Carter的理论模型表明，投资策略是财富的分段函数，贫困家庭为应对风险会减少风险资产的积累，这使其陷入长期贫困的恶性循环而无法自拔，即所谓的贫困陷阱[78]。Dercon和Christiaensen基于埃塞俄比亚的农户面板数据，发现降雨风险会显著抑制贫困农户对化肥的使用，使农户持续贫困[79]。

因此，减少风险性投入似乎内生于农户的风险决策中，在没有有效的风险分散机制的情形下，这种策略虽然是理性选择，但对农户而言则面临着高成本，对于贫困家庭，更有可能导致其陷入贫困陷阱。

(五) 平滑消费

平滑消费是农户应对减产的被动策略。变卖资产是最常见的平滑消费方式。虽然农户也可能会借助社会网络进行借贷，但这种机制会被诸多社会因素所干扰，且对于系统性生产风险，这种机制往往是低效率的[80]。一些印度的农户在遭遇灾害后，会让子女辍学外出打工以补贴家用，但这却阻碍了人力资本的积累，影响经济的长期发展[81]。Maccini和Yang研究了出生年份天气状况对1953年至1974年间出生的印尼成年人的健康、教育和社会经济状况的影响，发现出生年份降雨量较大对女性成年后的状况有积极影响，但对男性没有影响。较大的降雨量促进了农业生产，从而改善了女婴的健康状况，对其未来的发展有着至关重要的作用[82]。Carter等发现，在发生生产损失后，高收入家庭的资产会慢慢恢复到原来水平，但贫困家庭为了平滑消费，会将资产一直维持在较低的水平，如果没有外部援助，就会陷入贫困陷阱[83]。

表2对上述农户风险管理工具的有效性进行了总结。由此可见，在正式风险管理工具低效乃至失灵的情况下，农户会被迫采用非正式的风险管理工具，但这种管理很多情况下都是高成本的。发展经济学认为，经济增长有着多重均衡，当资产低于某一阈值时，如果没有外在干预，代理人会维持在低水平均衡，陷入贫困陷阱。对贫困农户而言，这些风险管理策略如同一种自我强化机制，阻碍其使用高回报的技术和资本的积累，从而使其长期处于贫困状态。实际上，由非正式风险管理策略导致的贫困陷阱话题已经引起经济学家的注意。不少学者尝试将农业保险引入经济模型来分析正式风险管理工具是否可以帮助贫困户逃脱贫困陷阱[84]。总体来看，农业生产风险管理策略的研究大多以印度及非洲等区域的农户数据为基础，中等收入和高收入国家的案例还较少涉及，讨论中国农户风险管理策略及其有效性的研究更为少见。

表2 农户生产风险管理策略有效性的评价

五、 研究展望

(一) 农业生产风险的评估方法有待完善

科学的评估方法是农业生产风险评估的基础,但已有方法在很多方面都还存在优化空间。首先，生产趋势的求解还存在一定的主观性，缺乏现实基础，不同的方法往往会得到不一致的结果。如何分离特定灾害造成的产量损失在文献中也较少被讨论。其次，在分布建模时，参数法的备选分布多是单峰型，多峰型的联合分布还较少被分析。非参数信息扩散模型中论域和扩散系数的值还存在分歧。未来的研究需要结合农学、气象学、经济学、统计学等不同学科的知识，开发出更可靠的生产趋势分离和分布建模方法。同时，还需要加强不同评估方法的结果对比和交叉验证研究，增强评估结果的稳健一致性。

(二) 农业生产风险的评估案例有待丰富

农业生产风险的评估对于理解风险水平、风险区划和金融产品定价有着重要作用。已有的评估案例更多的是从省级层面分析种植业所面临的生产风险，在评估范围和维度上还无法很好地指导实践工作。未来的研究需要在三个方面进行拓展：一是关注养殖业的生产风险。养殖业的生产因为生产环境更为复杂可能要比种植业面临更大的风险。在国家提出海洋强国战略的背景下，海水养殖的风险需要引起关注。二是开展农户层面的生产风险评估。省级或县级数据存在加总偏误问题，在产量加总的过程，农户的损失可能会被抵消，这导致了农户层面的生产风险被低估。这种低估会产生精算保费的偏误，不利于保险市场的可持续发展。三是要从空间上评估农业生产风险。农业生产具有很强的空间相关性，但已有的风险评估大都忽视了这种关联。这不利于农业巨灾空间分散和再保险政策的制定。联立不同个体产量分布的Copula函数可能是未来的一个应用方向。

(三) 我国农户生产风险的管理策略及有效性分析有待开展

因为缺少有效的外部风险分散工具，发展中国家的农户往往采用非正式的风险管理工具，理解农户非正式风险管理的策略是政策设计的基础。但已有文献的分析多是基于印度及非洲国家的样本而展开的，针对我国农户风险管理策略及其有效性的实证分析十分少见。不可否认的是，我国农户也面临着保险不完善、信贷约束等相似的外部环境，高成本的风险管理策略在我国是否存在需要引起重视。未来的研究应该集中于三个方向：一是开展大规模问卷调查，系统分析我国农户应对生产风险的策略。二是分析这些风险管理策略对不同收入水平的农户的适用性及有效性，尤其需要关注对贫困农户的影响。三是要着重分析这些风险应对策略在稳定生产的同时是否也带来了诸如“风险贫困陷阱”等负面问题。

(四) 农业保险对农户风险管理策略的影响有待分析

从已有研究看，非洲等地区的农户之所以采取高成本的管理策略是因为缺少有效的外部风险分散机制。由此而来的重要问题是：作为转移生产风险的重要正式工具，农业保险的推广是否降低了农户风险管理的成本？如何设计保险合同才是最优的？是否可以帮助农户跳出贫困陷阱？未来的研究可以放松已有农户风险决策模型的假设，引入保险机制，分析不同保费补贴水平下，农户的生产、消费、投资、收入和福利的变化情况。这对于理解我国保险政策的绩效及制定合理的保费补贴水平有着重要的意义。而且，这类研究不应只局限于传统的损害赔偿性保险，天气指数保险和地区产量指数保险等金融创新产品也应该被讨论和比较。